反应堆中微子实验Bayesian神经网络数据处理方法的研究

中微子物理是粒子物理和宇宙学的重要研究领域，反应堆中微子实验精确确定中微子事例的分布与总数是测量中微子混合角theta13的关键。目前中微子实验的数据处理方法普遍采用的是利用几个物理量的分布，选择它们的特征范围来选择信号和排除本底。这种方法是一种非常简单的数据处理，它不能充分利用实验数据中所蕴含的大量信息。本项目研究采用Bayesian神经网络来分析中微子实验数据，此方法融合了Bayesian统计方法和人工神经网络的优点，它能像Bayesian统计方法那样，给出具有置信度和置信区间的数据处理结果，具有准确性和客观性；并且它能像人工神经网络一样处理实验数据受多种因素综合作用，从而数据与影响因素之间的关系相当复杂的情形。利用Bayesian神经网络的方法可以更精确地确定中微子分布与总数，从而提高中微子混合角theta13的测量精度，可以为将来我国大亚湾中微子实验提供更好的数据。